揭秘姚期智院士关于AI大模型的新研究

姚期智院士领衔推出大模型新推理框架：DoT超越CoT，实现人类式思考

近日，姚期智院士及其团队在人工智能领域取得了重大突破，推出了一种全新的大模型推理框架——DoT（有向图推理）。
这一新框架的提出，引发了广泛的关注和热烈的讨论。
其核心概念在于模仿人类的思考方式，通过构建有向无环图（DAG）来进行复杂推理，解决以往人工智能模型难以处理的问题。

一、DoT框架的引入

DoT框架的核心在于将逻辑推理过程建模为在单个LLM（大型语言模型）内构建有向无环图（DAG）。
与传统的CoT（链式推理）相比，DoT更能捕捉人类推理的复杂性，无需依赖外部控制机制或多个模型协作，训练和部署更为简单。

二、DoT框架的工作原理

在DoT框架下，推理过程被建模为一系列有向无环图（DAG）中的节点和边的关系。
节点代表命题、批评、精炼和验证等概念，边则表示它们之间的逻辑关系或依赖关系。
这种无环的特性确保推理过程不受循环依赖的影响，能更真实反映合理的逻辑推导。

具体而言，推理过程始于提议者引入一个命题，向DAG添加一个节点。
由评论者评估验证或提供批评，建立新的节点和边。
基于批评，提议者生成一个精炼改进过的命题，表示为DAG中的一个新节点。
这一过程重复进行，直到命题得到验证。
最后，总结者综合这些推理，对DAG进行拓扑排序以产生一个连贯的思维链。

三、DoT框架的数学基础

为了确保推理过程的逻辑一致性和合理性，姚期智团队为DoT框架提供了严格的数学基础，通过拓扑斯理论（ToposTheory）来形式化描述推理过程。
在这个框架中，命题被建模为拓扑中终端对象的子对象，逻辑关系和推理步骤表示为态射。
这种数学基础不仅提高了DoT的严谨性，也为设计下一代专门用于推理的AI模型提供了概念框架。

四、DoT与CR的比较

一年前，姚期智院士领衔提出了累积推理（CumulativeReasoning，CR）的方法。
与CR相比，DoT直接在单一模型内构建有向无环图，不依赖于外部控制机制或多个模型，简化了训练和部署。
DoT的批评反馈是自然语言形式的，有助于模型更有效地改进命题。

五、团队介绍

本文由清华交叉信息研究院姚期智、袁洋领衔，本文第一作者为张伊凡。
姚期智是中国科学院院士、清华大学交叉信息研究院院长，研究领域包括算法、密码学、量子计算等，是这方面的国际先驱和权威。
袁洋是清华大学交叉信息学院的助理教授和博士生导师，主要研究方向包括智能医疗、AI可解释性等。

六、展望

DoT框架的提出是人工智能领域的一大突破，它使人工智能的推理能力更接近人类的思考方式。
随着研究的深入和技术的不断进步，我们相信DoT将在未来的人工智能发展中发挥越来越重要的作用。

七、结语

姚期智院士及其团队的这项研究为我们提供了一种全新的人工智能推理框架——DoT。
通过构建有向无环图进行推理，DoT不仅简化了训练和部署，还使模型的推理过程更接近人类的思考方式。
这项研究不仅为人机协作提供了新的思路，也为我们理解人工智能的未来发展提供了重要的参考。
让我们期待这一技术在未来的更多突破和应用。
本文链接：[参考链接：[1][2][3]。

---

---

相关标签： 数学、 大模型、 推理、 思维图dot、 姚期智、

上一篇：奥特曼激情小作文的魅力

下一篇：揭开未来智能生态领袖的辉煌面纱附获奖榜单